一种基于机器视觉的跑步运动评估方法与流程

1.本发明涉及运动评估领域，尤其涉及一种基于机器视觉的跑步运动评估方法。


背景技术：

2.一些体育运动的训练和考核已逐渐实现自动化、智能化，比如，长跑或短跑运动，首先对赛道区域进行图像采集，然后对图像进行识别分析，从而获得评估结果，在实际操作过程中，大都需要以一些固定特征例如赛道边线或终点线作为参考，但上述边线或终点线在图像中的显示受到诸多环境因素的影响，比如天气光线角度等，导致一些无法清晰地采集到，提高识别难度，同时，这些固定特征在赛道的长期使用之后，容易出现损坏缺失等，评估结果的准确性很难得到保证，进一步地，现有主流的基于神经网络的图像识别技术对于识别对象的特征缺失更是敏感，导致图像识别的准确率较低，且对系统的要求更高，亟待改进。


技术实现要素：

3.为解决背景技术中存在的技术问题，本发明提出一种基于机器视觉的跑步运动评估方法，包括如下步骤：采集第一图像，对第一图像进行处理分析以获取第一图像中的运动特征与预设的固定特征之间的第一位置关系，根据第一位置关系对与运动特征关联的运动个体进行运动评估。
4.优选地，“获取第一图像中的运动特征与预设的固定特征之间的第一位置关系”具体包括：获取固定特征在第一图像中的第一相对位置，识别运动特征在第一图像中的第二相对位置，根据第一相对位置与第二相对位置得到第一位置关系。
5.优选地，“采集第一图像”具体为：定点采集第一图像、第二图像，“获取固定特征在第一图像中的第一相对位置”具体包括：在第二图像中标定出固定特征在第二图像中的第三相对位置并存储，根据第三相对位置获取第一相对位置。
6.优选地，“根据第一相对位置与第二相对位置得到所述第一位置关系”具体为：按照第一预设规则由固定特征以及固定特征在第一图像中的第一位置关系关联出固定特征区域以及固定特征区域在第一图像中的第四相对位置，按照第二预设规则获取运动特征上关键点在第一图像中且位于第二相对位置范围内的第五相对位置，获取第五相对位置与第四相对位置之间的第二位置关系，由第二位置关系得到第一位置关系。
7.优选地，固定特征为部分或全部x号赛道两侧边线，固定特征区域具体包括：固定特征、固定特征对应的两侧边线之间的x号赛道区域，当第五相对位置落在第四相对位置范围时，则评估出运动特征所对应的运动个体的赛道号为x。
8.优选地，固定特征为部分或全部x号赛道的终点线，固定特征区域具体包括：固定特征、部分或全部x号赛道区域，当第五相对位置落在第四相对位置范围时，则评估出运动特征所对应的运动个体的赛道号为x。
9.优选地，固定特征具体包括：部分或全部x号赛道两侧边线、部分或全部x+1号赛道
两侧边线，固定特征区域具体包括：由上述部分或全部x号赛道两侧边线以及上述部分或全部x号赛道两侧边线之间的x号赛道区域组成的第一固定特征区域、由上述部分或全部x+1号赛道两侧边线以及上述部分或全部x+1号赛道两侧边线之间的x+1号赛道区域组成的第二固定特征区域，当在预设时间内定点采集到的多帧第一图像中，既存在关键点落在第一固定特征区域内的一帧或多帧第一图像，又存在关键点落在第二固定特征区域内的一帧或多帧第一图像，且落在第一固定特征区域内的关键点与落在第二固定特征区域内的关键点对应同一运动个体，则评估运动特征对应的运动个体串道。
10.优选地，固定特征具体为部分或全部x号赛道的终点线，第一位置关系包括但不限于以下三种之一或多种：未达终点线、到达终点线、超过终点线。
11.优选地，当第一位置关系为到达终点线时，即可根据关键点对应的运动个体的运动开始时间以及该帧第一图像的采集时间评估出该运动个体的运动成绩。
12.本发明所提出的基于机器视觉的跑步运动评估方法，具有如下技术效果：1、不受环境因素影响，评估结果更准确3、系统要求低；4、无需佩戴式辅助器具，运动个体无感，用户体验好。
附图说明
13.图1为实施例1提出的基于机器视觉的跑步运动评估方法的流程图；
14.图2为实施例2提出的基于机器视觉的跑步运动评估方法的流程图；
15.图2-1为实施例2中s2的具体流程图；
16.图2-2为实施例2中s21的具体流程图；
17.图2-3为实施例2中s23的具体流程图；
18.图3为实施例3提出的基于机器视觉的跑步运动评估方法的流程图；
19.图3-1为实施例3中s2的具体流程图；
20.图3-2为实施例3中s21的具体流程图；
21.图3-3为实施例3中s23的具体流程图；
22.图4为实施例4提出的基于机器视觉的跑步运动评估方法的流程图；
23.图4-1为实施例4中s2的具体流程图；
24.图4-2为实施例4中s21的具体流程图；
25.图4-3为实施例4中s23的具体流程图；
26.图5为实施例5提出的基于机器视觉的跑步运动评估方法的流程图；
27.图5-1为实施例5中s2的具体流程图；
28.图5-2为实施例5中s21的具体流程图。
具体实施方式
29.实施例1
30.实施例1提出一种基于机器视觉的跑步运动评估方法，具体包括如下步骤：
31.s1、采集第一图像。
32.调整采集终端的位置，调整角度和高度，以采集到清晰地包含部分赛道区域的第一图像。
33.s2、对第一图像进行处理分析以获取第一图像中的运动特征与预设的固定特征之间的第一位置关系。
34.当运动个体出现在上述部分赛道区域时，摄像头采集到的第一图像中将包含运动特征，运动特征与该运动个体关联，可以是人体框图或着装或骨骼关键点等，固定特征与上述赛道之间相对位置固定，可以是赛道边线、终点线等。
35.s3、根据第一位置关系对运动特征所对应的运动个体进行运动评估。
36.实施例2
37.实施例2提出一种基于机器视觉的跑步运动评估方法，具体包括如下步骤：
38.s1、定点采集第一图像、第二图像。
39.调整采集终端的位置，调整角度和高度，以采集到清晰地包含部分赛道区域的第一图像。
40.s2、对第一图像进行处理分析以获取第一图像中的运动特征与预设的固定特征之间的第一位置关系。
41.具体包括：
42.s21、获取固定特征在第一图像中的第一相对位置。
43.s21具体包括：
44.s211、在第二图像中标定出固定特征在第二图像中的第三相对位置并存储。
45.固定特征具体为x号赛道的两侧边线，具体地，通过人眼辅助判断出第二图像x号赛道两侧边线在第二图像中的具体位置后，输入固定特征在第二图像中的第三相对位置并存储，相较于对第二图像中的固定特征直接进行图像识别以获取固定特征在第二图像中的第三相对位置来说，通过人眼辅助判断将会大大降低因第二图像中固定特征失真、固定特征不清晰、拍摄条件不佳等方面造成的负面影响，可以增大对固定特征在第二图像中的第三相对位置的获取的精准度，其中，输入的固定特征在第二图像中的第三相对位置可以只是部分固定特征在第二图像中的第三相对位置，比如两侧边线上的多个点的坐标等等。
46.s212、根据第三相对位置获取第一相对位置。
47.由于第一图像和第二图像乃是定点采集获得，只有采集时间不同，那么，固定特征在第一图像中的相对位置与在第二图像中的相对位置相同，在获取第三相对位置后，即可通过直接调用已存储的固定特征在第二图像中的第三相对位置即可关联出标识特征在第一图像中的第一相对位置。
48.s22、识别运动特征在第一图像中的第二相对位置。
49.运动特征与运动个体关联，当运动特征出现在第一图像中时，即可通过图像识别确定运动特征在第一图像中的第二相对位置。
50.s23、根据第一相对位置与第二相对位置得到第一位置关系。
51.具体包括：
52.s231、按照第一预设规则由固定特征以及固定特征在第一图像中的第一位置关系关联出固定特征区域以及固定特征区域在第一图像中的第四相对位置。
53.固定特征区域具体包括：固定特征、固定特征对应的两侧边线之间的x号赛道区域。
54.s232、按照第二预设规则获取运动特征上关键点在第一图像中且位于第二相对位
置范围内的第五相对位置。
55.关键点具体为运动特征对应的运动个体的某个骨骼关键点或运动特征对应的运动个体的人体框图的下沿中心点。
56.s233、获取第五相对位置与第四相对位置之间的第二位置关系。
57.第二位置关系具体包括：第五相对位置落在第四相对位置范围内、第五相对位置落在第四相对位置范围外，当第五相对位置落在第四相对位置范围内时表示关键点落在固定特征区域内，当第五相对位置落在第四相对位置范围外时，则表示关键点落在固定特征区域外。
58.s234、由第二位置关系得到第一位置关系。
59.第一图像中的运动特征与预设的固定特征之间的第一位置关系等同于第二位置关系。
60.s3、根据第一位置关系对运动特征所对应的运动个体进行运动评估。
61.当第五相对位置落在第四相对位置范围时，即表示关键点落在固定特征区域内，即可评估得到运动特征所对应的运动个体的赛道号为x。
62.实施例3
63.实施例3提出一种基于机器视觉的跑步运动评估方法，具体包括如下步骤：
64.s1、定点采集第一图像、第二图像。
65.调整采集终端的位置，调整角度和高度，以采集到清晰地包含部分赛道区域的第一图像。
66.s2、对第一图像进行处理分析以获取第一图像中的运动特征与预设的固定特征之间的第一位置关系。
67.具体包括：
68.s21、获取固定特征在第一图像中的第一相对位置。
69.s21具体包括：
70.s211、在第二图像中标定出固定特征在第二图像中的第三相对位置并存储。
71.固定特征为部分或全部x号赛道的终点线，具体地，通过人眼辅助判断出第二图像x号赛道终点线在第二图像中的具体位置后，输入固定特征在第二图像中的第三相对位置并存储，相较于对第二图像中的固定特征直接进行图像识别以获取固定特征在第二图像中的第三相对位置来说，通过人眼辅助判断将会大大降低因第二图像中固定特征失真、固定特征不清晰、拍摄条件不佳等方面造成的负面影响，可以增大对固定特征在第二图像中的第三相对位置的获取的精准度，其中，输入的固定特征在第二图像中的第三相对位置可以只是部分固定特征在第二图像中的第三相对位置，比如终点线上的多个点的坐标等等。
72.s212、根据第三相对位置获取第一相对位置。
73.由于第一图像和第二图像乃是定点采集获得，只有采集时间不同，那么，固定特征在第一图像中的相对位置与在第二图像中的相对位置相同，在获取第三相对位置后，即可通过直接调用已存储的固定特征在第二图像中的第三相对位置即可关联出标识特征在第一图像中的第一相对位置。
74.s22、识别运动特征在第一图像中的第二相对位置。
75.运动特征与运动个体关联，当运动特征出现在第一图像中时，即可通过图像识别
确定运动特征在第一图像中的第二相对位置。
76.s23、根据第一相对位置与第二相对位置得到第一位置关系。
77.具体包括：
78.s231、按照第一预设规则由固定特征以及固定特征在第一图像中的第一位置关系关联出固定特征区域以及固定特征区域在第一图像中的第四相对位置。
79.固定特征区域具体包括：固定特征、部分或全部x号赛道区域。
80.s232、按照第二预设规则获取运动特征上关键点在第一图像中且位于第二相对位置范围内的第五相对位置。
81.关键点具体为运动特征对应的运动个体的某个骨骼关键点或运动特征对应的运动个体的人体框图的下沿中心点。
82.s233、获取第五相对位置与第四相对位置之间的第二位置关系。
83.第二位置关系具体包括：第五相对位置落在第四相对位置范围内、第五相对位置落在第四相对位置范围外，当第五相对位置落在第四相对位置范围内时表示关键点落在固定特征区域内，当第五相对位置落在第四相对位置范围外时，则表示关键点落在固定特征区域外。
84.s234、由第二位置关系得到第一位置关系。
85.第一图像中的运动特征与预设的固定特征之间的第一位置关系等同于第二位置关系。
86.s3、根据第一位置关系对运动特征所对应的运动个体进行运动评估。
87.当第五相对位置落在第四相对位置范围时，即表示关键点落在固定特征区域内，即可评估得到运动特征所对应的运动个体的赛道号为x。
88.实施例4
89.实施例4提出一种基于机器视觉的跑步运动评估方法，具体包括如下步骤：
90.s1、定点采集第一图像、第二图像。
91.调整采集终端的位置，调整角度和高度，以采集到清晰地包含部分赛道区域的第一图像。
92.s2、对第一图像进行处理分析以获取第一图像中的运动特征与预设的固定特征之间的第一位置关系。
93.具体包括：
94.s21、获取固定特征在第一图像中的第一相对位置。
95.s21具体包括：
96.s211、在第二图像中标定出固定特征在第二图像中的第三相对位置并存储。
97.固定特征具体包括：部分或全部x号赛道两侧边线、部分或全部x+1号赛道两侧边线，标识特征为手动输入添加，通过人为判断，可以增加标识特征标识固定特征时位置的准确性，添加完成后，标识特征在第二图像中可见，标识特征可为线或点或线与点的结合等，标识特征分别位于上述两侧边线上。
98.具体地，通过人眼辅助判断出第二图像x号赛道两侧边线在第二图像中的具体位置后，输入固定特征在第二图像中的第三相对位置并存储，相较于对第二图像中的固定特征直接进行图像识别以获取固定特征在第二图像中的第三相对位置来说，通过人眼辅助判
断将会大大降低因第二图像中固定特征失真、固定特征不清晰、拍摄条件不佳等方面造成的负面影响，可以增大对固定特征在第二图像中的第三相对位置的获取的精准度，其中，输入的固定特征在第二图像中的第三相对位置可以只是部分固定特征在第二图像中的第三相对位置，比如两侧边线上的多个点的坐标等等。
99.s212、根据第三相对位置获取第一相对位置。
100.由于第一图像和第二图像乃是定点采集获得，只有采集时间不同，那么，固定特征在第一图像中的相对位置与在第二图像中的相对位置相同，在获取第三相对位置后，即可通过直接调用已存储的固定特征在第二图像中的第三相对位置即可关联出标识特征在第一图像中的第一相对位置。
101.s22、识别运动特征在第一图像中的第二相对位置。
102.运动特征与运动个体关联，当运动特征出现在第一图像中时，即可通过图像识别确定运动特征在第一图像中的第二相对位置。
103.s23、根据第一相对位置与第二相对位置得到第一位置关系。
104.具体包括：
105.s231、按照第一预设规则由固定特征以及固定特征在第一图像中的第一位置关系关联出固定特征区域以及固定特征区域在第一图像中的第四相对位置。
106.固定特征区域具体包括：由上述部分或全部x号赛道两侧边线以及上述部分或全部x号赛道两侧边线之间的x号赛道区域组成的第一固定特征区域、由上述部分或全部x+1号赛道两侧边线以及上述部分或全部x+1号赛道两侧边线之间的x+1号赛道区域组成的第二固定特征区域。
107.s232、按照第二预设规则获取运动特征上关键点在第一图像中且位于第二相对位置范围内的第五相对位置。
108.关键点具体为运动特征对应的运动个体的某个骨骼关键点或运动特征对应的运动个体的人体框图的下沿中心点。
109.s233、获取第五相对位置与第四相对位置之间的第二位置关系。
110.第二位置关系具体包括：当在预设时间内定点采集到的多帧第一图像中，既存在关键点落在第一固定特征区域的第一图像，又存在相同关键点落在第二固定特征区域的第一图像。
111.s234、由第二位置关系得到第一位置关系。
112.第一图像中的运动特征与预设的固定特征之间的第一位置关系等同于第二位置关系。
113.s3、根据第一位置关系对运动特征所对应的运动个体进行运动评估。
114.当在预设时间内定点采集到的多帧第一图像中，既存在关键点落在第一固定特征区域内的一帧或多帧第一图像，又存在关键点落在第二固定特征区域内的一帧或多帧第一图像，且落在第一固定特征区域内的关键点与落在第二固定特征区域内的关键点对应同一运动个体，则评估运动特征对应的运动个体串道。
115.实施例5
116.实施例5提出一种基于机器视觉的跑步运动评估方法，具体包括如下步骤：
117.s1、定点采集第一图像、第二图像。
118.调整采集终端的位置，调整角度和高度，以采集到清晰地包含部分赛道区域的第一图像。
119.s2、对第一图像进行处理分析以获取第一图像中的运动特征与预设的固定特征之间的第一位置关系。
120.具体包括：
121.s21、获取固定特征在第一图像中的第一相对位置。
122.s21具体包括：
123.s211、在第二图像中标定出固定特征在第二图像中的第三相对位置并存储。
124.固定特征具体为x号赛道的终点线，具体地，通过人眼辅助判断出第二图像x号赛道终点线在第二图像中的具体位置后，输入固定特征在第二图像中的第三相对位置并存储，相较于对第二图像中的固定特征直接进行图像识别以获取固定特征在第二图像中的第三相对位置来说，通过人眼辅助判断将会大大降低因第二图像中固定特征失真、固定特征不清晰、拍摄条件不佳等方面造成的负面影响，可以增大对固定特征在第二图像中的第三相对位置的获取的精准度，其中，输入的固定特征在第二图像中的第三相对位置可以只是部分固定特征在第二图像中的第三相对位置，比如终点线上的多个点的坐标等等。
125.s212、根据第三相对位置获取第一相对位置。
126.由于第一图像和第二图像乃是定点采集获得，只有采集时间不同，那么，固定特征在第一图像中的相对位置与在第二图像中的相对位置相同，在获取第三相对位置后，即可通过直接调用已存储的固定特征在第二图像中的第三相对位置即可关联出标识特征在第一图像中的第一相对位置。
127.s22、识别运动特征在第一图像中的第二相对位置。
128.运动特征与运动个体关联，当运动特征出现在第一图像中时，即可通过图像识别确定运动特征在第一图像中的第二相对位置。
129.s23、根据第一相对位置与第二相对位置得到第一位置关系。
130.第一位置关系包括但不限于以下三种之一或多种：未达终点线、到达终点线、超过终点线。
131.s3、根据第一位置关系对运动特征所对应的运动个体进行运动评估。
132.当第一位置关系为到达终点线时，即可根据关键点对应的运动个体的运动开始时间以及该帧第一图像的采集时间评估出该运动个体的运动成绩。
133.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。